互联网消费金融发展对经济内循环影响

前言：想要写出一篇引人入胜的文章？我们特意为您整理了互联网消费金融发展对经济内循环影响范文，希望能给你带来灵感和参考，敬请阅读。

1引言

随着“互联网+”的不断发展，传统的消费金融运作模式发生了转变。当前国际经济低迷，在美国的保护主义旗帜下，中国的国际贸易受到了一定的冲击，2020年又出现了新冠疫情，这对国际贸易更是带来了严重的影响。在未来一段时间内，我国将着力发展经济内循环，在此背景下，研究互联网消费金融发展对我国经济内循环的影响具有现实意义。尽管有学者研究了有关消费金融对拉动需求的作用，但许多研究都只是从理论上进行了阐述，或只是讨论零售消费市场。本文将对互联网消费金融能否拉动内需并带动内循环进行研究，选择2008—2018年的样本数据构建模型，实证分析互联网消费金融的发展对经济内循环的影响。

2研究方法与数据

2.1研究方法

经典的计量经济学结构模型是根据理论构建的，不能严格的解释现实经济活动中变量间的动态关系，而向量自回归（VAR）模型是一种非结构化模型，它由克里斯托弗•西姆斯提出。该模型通过实际经济数据来确定经济系统的动态结构，构建模型时无需提出理论假设[1]。克里斯托弗•西姆斯在1980年将VAR模型引入经济系统动态性分析中，通过预测相互联系的时间序列系统和分析随机扰动对动态系统的冲击，从而分析各种经济因素对经济变量冲击造成的影响[2]。互联网消费金融会受到经济系统中各种因素的影响，在研究这一系统的动态变化时，本文引入VAR模型进行研究。VAR模型在形式上是联立方程模型，模型中每一个方程都旨在揭示一个变量的变化受其自身以及其他变量的滞后期的影响，它将所有影响因素看作内生变量，并且将被解释变量的滞后变量也作为解释变量，从而避免了由于内生变量和外生变量难以区分所造成的模型构建误差。VAR模型在建模过程中只需明确所含变量个数和最大滞后阶数，便可进行参数估计和分析。在含有k个时间序列、p期滞后的VAR模型的表达式为：TtptptYAYAYAY,2,1,2t21t1t⋅=++⋅⋅⋅+++=⋅−−−αδ（1）其中，Yt是k维内生变量向量，p是滞后阶数，样本个数为T，α是k维常数向量，δt是k维随机扰动向量。

2.2变量选取与数据来源

消费需求总额：消费需求可用社会消费品零售总额来表示。社会消费品零售总额反映了社会各部门的消费，体现出社会对于消费品的需求，随着一些政策的实施，社会消费品零售总额增加，因此本文采用社会消费品零售总额来表示消费需求[4]。互联网消费金融发展水平：国内市场上主要存在三类互联网消费金融服务模式：电商、分期购物平台及以消费金融公司、银行[5]。狭义的互联网消费金融指的是一种新型的消费金融模式，它由互联网技术与消费金融相互结合而产生，而广义的互联网消费金融还包含了互联网支付和理财等消费金融业务[6]。本文研究的是狭义上的互联网消费金融，采用互联网消费金融放贷规模来表示互联网消费金融发展水平。如果只单独研究互联网消费金融放贷规模和社会消费品零售总额两个变量之间的关系，所建立的回归模型不稳定，从而会降低研究的准确度。在中国经济进入新常态后，市场化改革持续推进、人工智能迅速发展、全球贸易保护主义加重，中国的劳动力市场将面临更多的不确定性，失业率也逐渐成为制约居民消费的重要因素[7]。消费需求的高低与某个区域的经济增长有着相互促进与影响的关系，全社会固定资产投资会影响一个地区的消费需求[8]。全社会固定资产投资反映一个地区的投资规模与速度，是影响内需的重要因素。根据数据的可得性，本文选取2008-2018年度的社会消费品零售总额（XFXQ）、互联网消费金融放贷规模（HFG）、失业率（SYL）以及全社会固定资产投产（SGT）年度数据进行研究。其中，社会消费品零售总额、失业率以及全社会固定资产投资的数据来源于国家统计局，互联网消费金融放贷规模的数据来源于艾瑞咨询。互联网消费金融2012年刚兴起，艾瑞咨询报告中也只收录了2012-2018年互联网消费金融放贷规模的数据，因此将2011年以前的互联网消费金融放贷规模数据设置为0.0001。同时为了消除价格的影响，将社会消费品零售总额样本数据以商品零售价格指数、互联网消费金融放贷规模和失业率以居民消费价格指数、全社会固定资产投资以固定资产投资价格指数（2008年=100）为定基价格指数进行折算。根据以上所得数据构建VAR模型，由于这些数据带有时间趋势，这种趋势可能产生虚假回归，从而得出错误的结论。为了减少这种时间趋势的影响，本文对原始数据进行对数处理，将对数处理后的数据运用Eviews10分析。先对各个变量进行平稳性检验，再建立脉冲响应函数、进行方差分解，从而分别分析互联网消费金融规模（HFG)、失业率（SYL）以及全社会固定资产投资（SGT）对消费需求冲击的动态影响。

3实证检验与结果分析

3.1平稳性检验（ADF检验）

VAR模型中各变量都要求是平稳的，否则进行的参数估计和统计推断都是不可靠的。应用广泛的是单位根检验，其判断时间序列中是否存在单位根，若存在单位根，则该时间序列是不平稳的。本文在建模前先对各个变量进行平稳性检验，尽管XFXQ、HFG、SYL、SGT序列都是非平稳的，但在经过一阶差分之后都变成平稳序列，符合VAR模型的建模条件。经过一阶差分后的序列表示的是原始序列的增量，因此，本文研究的是各变量增长量之间的动态关系。

3.2确定最大滞后阶数

VAR模型需要确定滞后阶数，而确定滞后阶数时要综合两方面进行考虑，一方面滞后阶数要能够反映模型的动态变化关系，另一方面要保证足够的自由度，两者之间是相互制约的，滞后阶数过多会减少自由度，通过检验结果，得出模型的最优滞后阶数为一阶。

3.3脉冲响应函数

脉冲响应函数是衡量系统受到冲击后的反应，为了研究消费需求在受到冲击后的影响，分别给互联网消费金融放贷规模、失业率、全社会固定资产投资的增量一个正向单位的冲击，观察社会消费需求的脉冲响应程度。如图1所示，当给互联网消费金融放贷规模的年增长量一个正向冲击，社会消费品零售总额的年增长量先上升后下降，最终趋于平稳。当给失业率的年增长量一个正向冲击，社会消费品零售总额的年增长量先下降后上升，再下降并趋于0。当给全社会固定资产投资的年增长量一个正向冲击，社会消费品零售总额的年增长量先上升后下降，最终趋于0。在短期内，当互联网消费金融放贷规模的年增长量增大时，社会消费品零售总额的年增长量将会增加，从而使得消费需求上升；当居民的收入不变时，上一期的消费增加会使得居民在下一期减少消费，以平衡自己的收支。在长期中，居民会逐渐偿还互联网消费金融贷款，消费需求最终会逐渐稳定在一个水平上。在短期内，当失业率的年增长量增加时，由于失业人数的增加，居民的收入下降，从而导致购买力也随之下降，消费需求减少。在中期，随着一部分失业人员重新找到工作，收入提升，居民的消费需求增加。在长期内，随着一部分人失业，一部分人重新找到工作，使得消费需求趋近平稳，社会消费品零售总额的增长量趋近于零。在短期内，随着全社会固定资产年增长量的增加，刺激了国内投资市场，让更多的人参与到投资市场，从而使得消费需求增加。在长期内。由于固定资产的持续增加，会出现产能过剩，投资结构恶化，人们会减少投资，以避免出现损失，最终将会维持在一个较低水平。从图1可以看出，D（XFXQ）对D（HFG）、D（SYL）、D（SGT）的脉冲响应与实际情况符合。

3.4方差分解

通过方差分解，可以分析每一个结构冲击对内生变量波动的贡献度，进一步评价各变量的重要程度。VAR模型跨期为10的方差分解结果如图2所示。由于互联网消费金融在2012年才兴起，前期互联网消费金融放贷规模几乎为0，因此，D(HFG）的贡献度为0，随着互联网消费金融的迅速发展，D(HFG）的贡献度逐渐显现出来。D(SYL）和D(SGT）的贡献一开始就显现出来，D(SYL）的贡献度接近于0，D(SGT）的贡献度在40%左右，随着时间的推移，两者的贡献度都在下降。从图2可以看出，互联网消费金融放贷规模的增长和全社会固定资产投资的增长对社会消费品零售总额的增长的影响反应很灵敏，在前两期，互联网消费金融放贷规模的增长的贡献度快速上升，而全社会固定资产投资的增长的贡献度快速下降，在第4期，互联网消费金融放贷规模的增长的贡献度达到了90%左右，在第2期后，全社会固定资产投资的增长的贡献度下降到了10%以下。失业率的增长的贡献度反应迟缓，并且一直维持在较低水平，最终接近于0。

4结论与建议

文章通过利用2008年－2018年社会消费品零售总额、互联网消费金融放贷规模、失业率以及全社会固定资产投资的样本数据，构建VAR模型实证分析了互联网消费金融放贷规模、失业率以及全社会固定资产投资对社会消费品零售总额的影响，继而分析互联网消费金融放贷规模、失业率以及全社会固定资产投资对经济内循环的影响。根据以上研究结果可以发现，随着时间的推移，互联网消费金融放贷规模的增长有利于社会消费品零售总额的增加，因此，扩大互联网消费金融放贷规模，能够刺激消费需求，有利于扩大内需，加大经济内循环。本文的研究发现互联网消费金融的发展对推动经济内循环有积极作用，可利用互联网消费金融激发内需潜力，实现经济的增长。因此，为更好地实现互联网消费金融的发展，提出如下建议：

4.1优化互联网消费金融产业链

互联网消费金融产业链包括资金供给方、消费金融核心以及催收方。资金供给方是各种互联网消费金融服务平台，掌控着资金的来源，对于互联网消费金融的发展起着至关重要的作用，是整个产业链得以发展的前提；消费金融核心让资金供给方和资金需求方得以形成交易；催收方使得资金可以快速流动，能够让资金迅速回流。互联网消费金融产业链每个环节都对互联网消费金融的发展起到重要的作用，因此，需要优化互联网消费金融产业链，使各个环节更加紧密联系，进一步增强消费需求。

4.2利用大数据结合互联网消费金融的发展

中国的大数据发展已经处于世界领先地位，将大数据与互联网消费金融相结合，可以增强内需。大数据分析可以将资金需求者行为的数据进行累积，并通过对资金需求者进行精准、全面的分析，更加精确地了解消费者对资金需求的原因以及借贷的资金的用途，并且能够减少花费了解资金需求者的时间和人力成本，对互联网消费金融的发展起到了支撑作用。

4.3拓展互联网消费金融市场

随着互联网消费金融市场的发展，消费者的消费需求范围越来越广泛，为了满足消费者的需求，互联网消费金融市场应该从现有家电、教育、房地产等的领域向养老、旅游等领域扩展，从而能够满足不同年龄结构、不同偏好的需求，有利于互联网消费金融市场的发展，从而推动国内经济大循环的发展。

4.4完善互联网消费金融监管体系

如果盲目扩大互联网消费金融的规模，当资金需求者发生大量违约时，将会破坏互联网消费金融市场的健康发展。互联网消费金融兴起较晚，在发展的过程中，相应的法律法规还不完善，监管部门需要对互联网消费金融产业链的三个环节加强管理。对资金供应方制定相关借贷规则，防止由于信息的不对称，资金供应方获取高额利润，严重损失资金需求方的利益。提升资金需求者对互联网消费金融的认知，使得在借贷过程中能够清晰地了解整个借贷过程，明确需要承担哪些责任等。制定相关惩处措施，对不遵守互联网消费金融法律法规的互联网消费金融服务平台和消费者进行处罚，从而促进互联网消费金融市场的健康发展，畅通中国经济内循环。

参考文献:

[1]李子奈，潘文卿.计量经济学.4版[M].北京：高等教育出版社，2015.

[2]任碧云，程茁伦.金融脱媒对中国商业银行资产负债业务冲击的动态影响——基于VAR模型的实证研究[J].中央财经大学学报，2015(03):26-33.

[3]晁彦利.中国社会消费品零售总额的相关问题研究[D].华中师范大学，2017.

[4]冯科，何理.互联网消费金融的创新[J].中国金融，2016(11):32-34.

[5]马德功，韩喜昆，赵新.互联网消费金融对我国城镇居民消费行为的促进作用研究[J].现代财经（天津财经大学学报）,2017,37(09):19-27.

[6]赵达，沈煌南，张军.失业率波动对就业者家庭消费和配偶劳动供给的冲击[J].中国工业经济，2019(02):99-116.

[7]钱婷婷.上海人口老龄化对消费水平的影响研究[J].西北人口，2016,37(06):78-85.

作者:赵鹏 单位:兰州大学经济学院